 | Name: | 机器学习 |
| No.: | S081202ZJ008 | Semester: | 春季学期 |
| Hour: | 40 | Credit: | 2.0 |
| Teacher: | 卿来云 |
| Introduction: |
|
| 本课程为计算机专业研究生的专业基础课，介绍流行的机器学习算法。课程在简单回顾概率论基础知识后，着重讲述机器学习中的几个主要任务：概率分布估计、回归和分类中的机器学习模型及学习过程中的模型选择问题，同时兼顾机器学习的计算问题。通过学习本课程，使计算机专业研究生掌握现代机器学习的基本理论，了解机器学习模型的应用及最新进展，理解相关模型的数学本质。 |
| Content: |
|
| 第一章：引言
第二章：概率基础
随机变量及其分布、概率不等式、概率收敛性、渐近性
第三章：概率分布
参数估计（极大似然估计、贝叶斯估计）
非参数估计（核密度估计）
第四章：回归
线性回归、正则化、岭回归和LASSO、稀疏学习、Nadaraya-Watson和局部线性回归
第五章：分类
贝叶斯分类器、朴素贝叶斯、感知机和神经网络、logistic 回归
最大边际、支持向量机（SVM）、最近邻分类器
第六章：核方法
对偶表示、高斯过程
第七章：模型选择和模型组合
模型复杂性、偏差方差分解、AIC/BIC/MDL、Boosting
第八章：机器学习中的优化计算
蒙特卡罗方法、凸优化
|
| Material: |
|
| Christopher M., Pattern Recognition and Machine Learning, Springer Press, 2006
|
| References: |
|
| (1) Wasserman L., All of Statistics: A Concise Course in Statistical Inference, Springer Press， 2005
中译版：张波、刘中华、魏秋萍和代金译，统计学完全教程，科学出版社，2008年
(2) Hastie T., Tibshirani R. Friedman J., The Elements of Statistical Learning - Data Mining, Inference and Prediction, Springer Press, 2010
中译版：范明，柴玉梅，昝红英译，统计学习基础—数据挖掘、推理与预测，电子工业出版社
|
